当前位置:首页 > 文章列表 > 文章 > 前端 > Object.getOwnPropertyDescriptors 实现完整对象克隆方法

Object.getOwnPropertyDescriptors 实现完整对象克隆方法

2026-05-15 21:01:15 0浏览 收藏
本文深入解析了如何利用 `Object.getOwnPropertyDescriptors` 实现真正保留 getter/setter 访问器、不可枚举属性、Symbol 键及完整属性特性的精准对象克隆,直击 `Object.assign`、展开运算符和 JSON 序列化等常用方法在复制访问器函数时的根本性缺陷;通过结合 `Object.defineProperties` 与原型继承处理,提供语义清晰、可靠可控的克隆方案,并进一步拓展至支持按需递归的“半深克隆”,强调其核心价值不在于全自动深度复制,而在于精准守护易被忽略却至关重要的访问器逻辑与元属性信息——这是构建健壮响应式系统、代理封装和高级对象操作不可或缺的一环。

如何利用 Object.getOwnPropertyDescriptors 完美实现包含访问器在内的对象克隆

使用 Object.getOwnPropertyDescriptors 可以完整获取对象所有自有属性的描述符(包括 get、set、value、writable、enumerable、configurable),从而实现真正保留访问器(getter/setter)和属性特性的深克隆——注意,它本身只做**浅拷贝描述符**,但为完美克隆提供了最可靠的基础。

为什么普通方法无法正确克隆访问器

常见的克隆方式如 Object.assign、展开运算符 {...obj} 或 JSON.parse(JSON.stringify()) 都会丢失访问器:

  • Object.assign 和展开运算符只读取属性值(触发 getter),不复制 get/set 函数本身;
  • JSON 序列化完全忽略访问器和函数,连 undefined、Symbol、Date 等都丢失;
  • Object.create(obj.__proto__, Object.getOwnPropertyDescriptors(obj)) 接近正确,但需手动处理原型链与不可枚举属性兼容性。

核心步骤:用 getOwnPropertyDescriptors + defineProperties 实现克隆

这是最直接、语义最清晰的方式:

  • 调用 Object.getOwnPropertyDescriptors(source) 获取源对象所有自有属性的完整描述符对象;
  • 创建一个新对象(可指定原型,如 Object.create(Object.getPrototypeOf(source)));
  • 用 Object.defineProperties(target, descriptors) 将所有描述符一次性定义到目标对象上。

示例:

function cloneWithAccessors(obj) {
  const descriptors = Object.getOwnPropertyDescriptors(obj);
  const prototype = Object.getPrototypeOf(obj);
  return Object.defineProperties(Object.create(prototype), descriptors);
}

const source = { _x: 10, get x() { return this._x * 2; }, set x(v) { this._x = v / 2; } };

const cloned = cloneWithAccessors(source); console.log(cloned.x); // 20 cloned.x = 40; console.log(cloned._x); // 20 ✅ 访问器正常工作

处理特殊情况:不可枚举属性、Symbol 键、继承属性

getOwnPropertyDescriptors 默认只返回**自有、可枚举 + 不可枚举**属性(不含 Symbol?错!它包含所有自有属性,包括不可枚举的,也包括 Symbol 键):

  • ✅ 自动包含 Symbol 类型的自有属性(如 Symbol('id'));
  • ✅ 包含不可枚举属性(如通过 Object.defineProperty(obj, 'hidden', { enumerable: false, ... }) 定义的);
  • ❌ 不包含原型链上的继承属性(这是设计使然,符合“own”的语义);若需克隆整个原型行为,应显式处理原型(如上例中用 Object.getPrototypeOf);
  • ⚠️ 若源对象有 [[Get]]/[[Set]] 但无对应 get/set 描述符(比如 Proxy),该方法不适用——getOwnPropertyDescriptors 对 Proxy 返回空对象或代理定义的描述符,需单独判断。

进阶:支持简单嵌套对象的“半深克隆”(按需递归)

getOwnPropertyDescriptors 本身不递归,但可封装一层逻辑,在遇到普通对象(非 null、非 Date/RegExp/Map/Set 等内置类型)时递归克隆其属性值:

  • 遍历每个 descriptor,若 value 是纯对象(isObject(value) && !isBuiltInType(value)),则递归调用克隆函数;
  • 对 get/set 函数不递归(它们是函数,保持原引用即可);
  • 注意:value 为 null 或原始值(string/number/boolean)直接保留;
  • 此方式仍属“浅克隆访问器 + 深克隆数据属性”,兼顾安全性与可控性。

关键不是追求全自动深克隆,而是让访问器这类易丢失的关键结构被精准保留——这正是 getOwnPropertyDescriptors 不可替代的价值。

好了,本文到此结束,带大家了解了《Object.getOwnPropertyDescriptors 实现完整对象克隆方法》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

JSON 序列化中 Date 转字符串的单向陷阱如何识别JSON 序列化中 Date 转字符串的单向陷阱如何识别
上一篇
JSON 序列化中 Date 转字符串的单向陷阱如何识别
PHP8.2 Readonly属性调用方法详解
下一篇
PHP8.2 Readonly属性调用方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    329次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    386次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    381次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    350次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    175次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码